考虑网络重构的IEEE 33节点动态最优潮流 考虑网络重构和电压电流约束 使用二阶锥松弛模型 采用yalmip+cplex求解器编写

本课件为国防科技大学罗强老师的复杂网络之网络重构课件，主要介绍了在不完备信息下如何推断网络结构以及各节点间相关关系问题。主要内容包括基于最大似然估计的链路，Bayesian网络，Granger因果分析，概率模糊推理等方法。

配电网络重构的改进遗传算法.docx

配电网网络重构算法的研究.doc

安全技术-网络信息-最短路算法和最小生成树算法在配电网络重构中的应用研究.pdf

数字化、智能化已成为基础设施建设的主要目标，城域网重构作为网络演进的核心环节，直接决定运营商网络的先进性水平。面向新需求，详细剖析关键技术发展及应用方式，结合城域网重构目标架构，提出城域网重构分阶段演进建议，为后续技术研究和网络重构演进提供指引。

有些配电网的动态重构，目标函数是电价等，程序中有注释

matlab灰色处理代码图像重建研究 使用卷积神经网络来重建已被模糊，噪点和降采样的图像。 该论文被国际信息论及其应用研讨会所接受。 作者： 迈克尔·门德斯（Michael Mendez），鲁美（Roummel F. 图像处理 灰度和高斯模糊的代码在image_process.m中。泊松噪声的添加，归一化和缩小的代码在Creation_Dataset_Code.ipynb中。 数据集是所有图像都在一个文件夹中，使用Matlab I对每个图像进行灰度缩放，并通过Matlab添加高斯模糊器。 转换后，将每个图像放入一个数组中并另存为.mat文件。 然后，这些.mat文件将进行下采样和增加泊松噪声。 .mat文件使用具有功能loadmat的pythons scipy.io库加载。 运行jupyter笔记本脚本，您需要将文件目录更改为下载目录。 取消注释每个步骤以及要创建的数据集的必要功能。 将每个创建的数据集另存为numpy。 卷积神经网络 PICS-Pytorch.ipynb中的代码 -在以后添加数据集。

聚焦MEC边缘云，加速5G网络重构与数字化转型.pdf

 为了解决配电网最小网损控制能力差、网损指数高的问题，提出一种新的基于网络重的网损控制方法。该方法通过查找技术网损以及管理网损，设定系统拓扑结构图，集中检测，查找异常数据，通过对变压器进行电流分配以及支路电流分布计算，确定网损量，将配电网中的网线损失分为变压器损失以及线路损失俩部分，对无用功进行无功就地补偿处理，集中安装变电电容器，配电线路按照分散式安装进行操作。为验证方法效果，设定对比实验，结果表明，基于网络重构的配电网最小网损控制方法能够有效降低配电网网损。